不是跑在芯片上，是长在芯片里。

据The Information独家报道，谷歌正在研发一款内部代号为“Frozen v2”的新型服务器芯片，将Gemini模型的部分底层架构永久蚀刻进硅片。参与项目的工程师测算，该芯片落地后，按单位功耗可处理的Token数量计算，能效将达到谷歌现有最新一代自研AI芯片的6至10倍。消息一出，Alphabet股价周一盘中一度上涨3.7%。该芯片最早计划于2028年部署。

“冻结”的设计哲学：把菜谱刻进灶台

传统AI芯片的工作方式是一条流水线。模型存在内存里，芯片从内存中抓取权重和架构参数，在计算单元中跑一遍，再把结果写回去。每生成一个Token，流水线就要完整转一轮。大量功耗花在搬运上，花在计算上的反而不多。

不管是英伟达GPU还是谷歌TPU，本质上都是通用芯片——什么模型都能跑。这听起来很灵活，但代价也很大：芯片在运行时必须做海量的实时决策，不停地搬运数据，反复查询该往哪走、该怎么算。就像一个什么菜都能做的后厨，每做一道菜都得现翻菜谱、现找工具、现调火候。

Frozen v2则只为Gemini一个模型而生。它把Gemini的神经网络架构，包括层级结构、注意力机制、残差连接，在芯片设计阶段就冻进了电路。这些在传统推理中需要反复运算和搬移的结构信息，变成了物理电路的一部分。芯片不用再“想”该怎么走，因为路已经浇铸在硅片里了。要走的步骤更少，要搬的数据更少，要做的决策更少。

“Frozen”这个名字，就是字面意思：把模型“冻”进硅片。

从初代教训到v2折中：不烧权重，只固架构

Frozen项目并非全新构想。初代方案由谷歌DeepMind首席科学家杰夫·迪恩牵头，计划将完整的模型权重直接蚀刻进芯片。

但那个方案存在致命缺陷：一旦权重烧死，芯片只能适配单一版本的Gemini，模型一迭代就报废，硬件生命周期短得离谱。方案因此被搁置多年。

Frozen v2是折中版：不固化完整模型权重，只固化底层架构逻辑。底层的计算蓝图刻死，但权重还能更新。这意味着只要Gemini的架构不大改，芯片就能一直用，新版本的参数照样灌得进去。

不过，谷歌仍在内部权衡到底把多少东西锁进硅片——锁得越多，效率越高，但灵活性也越差。这个分寸，就是整个项目最关键的工程判断。这也意味着谷歌押注自身会持续沿用当前Gemini大模型的底层架构：只有后续迭代的Gemini模型采用与芯片设计时一致的基础架构，才能在该芯片上正常运行。

不是取代TPU，而是开辟第二条产品线

在谷歌的芯片版图中，Frozen v2将与现有TPU形成互补关系，而非取而代之。

谷歌今年已推出第八代TPU，并直接面向云客户销售，正面挑战英伟达在AI芯片市场的垄断地位。自研芯片战略已初见成效——通过在设计TPU时围绕Gemini进行适配，运行自家大模型的硬件成本已经下降。但TPU内置的模型信息远少于Frozen系列芯片。

值得注意的是，谷歌目前并无大规模量产Frozen v2的计划，其产能规模将远低于TPU。有限的量产规模意味着谷歌可以延后引入外部设计和代工合作伙伴。更重要的是，谷歌将这一代产品视为技术试验平台，待大模型底层架构趋于稳定后，为研发更高专用化芯片积累工程经验。

谷歌官方发言人对此回应称，公司各团队“持续研发、测试各类创新技术，力求为用户与企业客户实现极致性能与能效”，并强调“并非所有研发项目都会落地量产，但这种全方位技术探索，是我们全栈自研技术路线的核心一环”。

算力荒逼出来的险棋

谷歌为什么要下这步险棋？答案很简单也很残酷：算力真的不够用了。

不是“有点紧张”那种不够用，是“送上门的钱都不赚了”那种不够用。算力短缺已经在谷歌内部引发激烈矛盾，Google Cloud被迫开始拒绝外部客户的订单——在商业公司里，这几乎是最极端的信号。

2026年第一季度，Alphabet营收1099亿美元，同比增长22%。Google Cloud单季营收首次突破200亿美元，同比增长63%。合同积压从上一季度的2400亿美元飙升至4620亿美元。但Q1资本支出357亿美元，全年指引上调至1800亿到1900亿美元，是2025年914亿美元的两倍。自由现金流同比跌了47%，只剩101亿美元。6月，Alphabet完成了847.5亿美元的股权融资，美国历史上规模最大的增发之一。

就在上月，谷歌每月向SpaceX支付近10亿美元租用英伟达GPU的算力，合同签到2029年。一家全球最大的云计算公司，居然要向一家火箭公司租算力——光是这个画面，就足以说明AI军备竞赛已经疯狂到什么地步。

Frozen v2要等到2028年。这笔钱花在当下——建数据中心、部署第七代Ironwood TPU、继续从英伟达手里接货。驱动Frozen v2的直接动因是算力短缺。Alphabet想做的事是让成本涨得比收入慢。Frozen v2是这套思路的硬件落脚点。

一场行业趋势的缩影

Frozen v2折射出一个更大的行业趋势：AI推理芯片正成为巨头和初创公司共同竞逐的热点。

SambaNova、d-Matrix等初创企业在做，OpenAI、微软也在做。亚马逊有Trainium和Inferentia，微软有Maia。英伟达自己都坐不住了——去年12月豪掷200亿美元拿下推理芯片公司Groq的技术授权。所有人的目标只有一个：把每一瓦电，榨出更多Token。

Frozen v2的设计思路，与加拿大芯片初创公司Taalas高度相似——后者同样选择把特定大模型的逻辑硬编码至芯片内部。Taalas已完成超2亿美元融资，投资方包括Quiet Capital、富达投资。

Frozen所代表的并不仅是一颗芯片的变化，而是AI产业竞争逻辑的变化——未来，模型可能反过来定义芯片，软件、算法与硬件之间的边界将进一步融合。而这，也可能成为下一轮AI芯片竞争的核心方向。